基于自适应模糊广义回归神经网络的区域火灾数据推理预测

摘要：

针对基于反向传播(BP)神经网络和经典概率论及其衍生算法进行火灾损失预测时,存在系统结构复杂、依赖不稳定的探测数据、易陷入局部极小值等缺点,提出一种基于自适应模糊广义回归神经网络(GRNN)的区域火灾数据推理预测算法.在网络输入层使用改进模糊C-聚类算法,对初始数据进行权重修正,减少了噪声和孤立点对算法造成的影响,提高了预测值的逼近精度;引入自适应函数优化GRNN算法,调整迭代收敛的扩展速度、变化步长,找到全局最优解,改善了过早收敛问题,提高了搜索效率.实验结果表明,该算法代入已确定火灾损失数据,解决了依赖不稳定探测数据问题,并且具有良好的泛化能力、非线性逼近能力.

关键词：自适应、模糊、广义回归神经网络、区域火灾数据、预测

所属期刊栏目：35

分类号：TP202(自动化技术及设备)

资助基金：国家自然科学基金资助项目61201179

在线出版日期：2015-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1499-1504